我国离婚现状与影响因素分析

崔宝敏，冯泓铭

（山东财经大学经济学院，山东济南 250014）

一、研究背景与文献回顾

近年来，我国离婚率不断攀升，粗离婚率从2010 年的2‰增加到2018 年的3.2‰，登记离婚数量从2010 年的267.8 万对增加到2018 年的446.1 万对，我国登记离婚数量近10 年增长了约66.6%，年均增长约7%①。随着经济发展水平的不断提高，我国的社会经济结构经历着前所未有的转型，人们的思想观念也在潜移默化地发生改变，逐渐由单一保守走向开放多元，家庭观念以及婚姻观也不例外地由保守转向开放。离婚率整体攀升的趋势，对人们的生活产生了一定的负面影响，这不仅会影响精神文明社会的发展，甚至会影响到我国社会经济的发展。离婚率的高低可以在一定程度上反映一个国家和地区的社会经济发展状况，从宏观层面来看，离婚率水平反映了一个国家或地区的经济发展水平、社会价值观念水平、社会和谐程度以及婚姻司法制度的完善程度；从微观层面来看，离婚率水平反映了家庭结构的变动、家庭成员文化观念的改变以及生活方式的变化等。此外，我国人口基数大的特征使得受离婚负面影响的范围不断扩大。离婚率的上升是多种因素共同作用的结果，为降低我国离婚率攀升产生的消极影响，维护社会和谐稳定，提高社会聚合力，对当前我国离婚现状及其影响因素进行分析具有重要的现实意义。

关于离婚率的影响因素，国内外学者分别从不同角度进行了大量研究。国外学者对离婚率影响因素的研究主要分为综合模型研究与控制模型研究两类。其中，离婚率影响因素的综合模型研究是指，通过将多种影响因素引入模型，并对各个解释变量进行比较，在综合分析多种影响因素的基础上，确定与离婚率关系最显著的影响因素。Breault&Kposowa（1987）通过分析人际关系、社会和谐程度与离婚率的关系得出，人际关系和谐、价值观念趋同的社会环境对降低离婚率具有积极作用，社会群体聚合力的提升会促使社会离婚率下降[1]；Nakonezny（1995）通过分析美国五十个州的离婚率水平差异，认为美国各州之间离婚率存在差异的原因之一是“无过错离婚法”的执行力度不同，进而掀起了婚姻司法状况影响离婚率研究的潮流[2]；Glick（1986）&Lester（1999）认为，社会经济结构的变化会对离婚率产生一定的影响，社会经济发展水平与社会性别比的高低与离婚率之间存在着一定的正向关系。控制模型研究是指，通过控制其他离婚率的影响因素来分析某个特定因素对离婚率的影响性质与程度[3][4]。Rogers &DeBoer（2001）通过来自1047 名已婚人士的面板数据，研究已婚妇女实际收入的提高以及妇女收入在家庭收入中的比重对家庭幸福与离婚风险的影响，认为已婚妇女实际收入的提高以及在家庭收入中比重上升会显著降低离婚风险，提高已婚妇女的家庭幸福感[5]；Kendall（2011）以美国各州为样本，在控制人均收入、失业率和家庭规模等人口因素的基础上，研究了互联网使用率对离婚率的影响，认为互联网的普及率与离婚率有一定的正向关系[6]。

与国外学者研究不同的是，国内学者关于离婚率影响因素的研究可以分为描述性统计分析与计量建模分析两类。谭远发与宋寅书（2015）在对北京市2005 年和2010 年离婚登记数据的描述性统计基础上，分析了人口年龄、性别结构对离婚率的影响，认为人口年龄、性别结构与离婚率有一定的正向关系，且男性在婚姻中处于强势地位[7]；李雨潼（2018）在对全国近20 年离婚率变动描述性统计的基础上，将近年来离婚率增加的原因归结为经济发展和社会进步使婚姻功能发生改变，离婚的法律程序简化、社会成本降低，婚前感情基础不够、对婚姻质量要求提高、婚外诱惑增加等[8]；翟振武、刘雯莉（2020）在对2000～2017 年人口普查数据和抽样调查数据统计分析的基础上，认为我国当前离婚、再婚现象的增多与经济社会发展、人口受教育水平以及婚姻家庭观念转变和人口流动等多重要素的影响有关[9]。学者们对离婚率的影响因素更多的是进行计量建模分析。林莞娟、赵耀辉（2014）利用1999 年和2000 年中国人口普查数据通过线性模型估计得出，第一胎为女孩的母亲离婚率更高，且离婚后更可能独自监护子女[10]；刘贝贝、袁永生（2016）利用1995～2014 年我国粗离婚率、商品房平均价格、就业率以及受教育程度时间序列数据，通过建立3 阶滞后的向量自回归模型，得出房价、就业率与受教育程度对离婚的影响很大，并利用VAR 模型预测出我国离婚率在未来4 年有继续升高的趋势[11]；张冲、陈玉秀、郑倩（2020）利用2010～2018 年省级面板数据，通过固定效应模型分析得出，人均GDP、城镇人口比重、城镇登记失业率、15 岁及以上人口性别比、住房价格对离婚率有显著的正向影响[12]。

综上所述，国内当前对离婚率影响因素的研究主要集中在描述性统计与回归分析方法上，变量的设置相对具有局限性，与国外研究相比，很少从多角度综合分析离婚率的影响因素，因此结论难以反映全面的问题。本文借鉴了前人的研究方法，在运用描述性统计、面板数据分析等研究方法的基础上，利用可以获得的最新数据对当前中国的离婚特征进行分析。此外，本文合理地设置了变量体系，相对完整地分析了影响我国离婚率的因素，以及各因素对离婚率的影响程度。最后，本文希望通过分析我国离婚率不断升高的影响因素，提出合理的对策建议，以维护我国社会人际关系和谐稳定，提高我国社会的聚合力和人们的幸福感，进而助力“新常态”下的经济发展。

二、近年我国离婚现状分析

（一）我国离婚率的度量

离婚是婚姻关系在法律上的解除，离婚率是反映离婚现象普遍性的指标，代表着在一定时期内每千人中离婚的人数。通过梳理相关文献，根据获得的数据，本文将“粗离婚率”与“离结比”作为反映离婚水平的度量指标。“粗离婚率”是指在一定时期内（一般是1 年内）某地区的离婚人数与总人数之间的比率②，是一个综合性的离婚率测量指标。“离结比”是指在一定时期内某地区的登记离婚对数与登记结婚对数之比，能够切实反映一定时期内某地区离婚的变动情况。

（二）登记离婚数不断增加，其增速超过登记结婚数的增速

2010～2018 年我国登记离婚数不断增加，登记结婚数不断减少，离婚对数的增长速度远快于结婚对数的增长速度。2010 年，我国登记结婚数为1241.2 万对，登记离婚数为267.8 万对，离结比（离婚对数与结婚对数之比）为21.6%；2018 年，我国登记结婚数为1013.9 万对，登记离婚数为446.1 万对，离结比上升至44.0%。在9 年时间里，登记离婚数增长了66.6%，而登记结婚数却下降了18.3%，离结比上升了22.4 个百分点（详见表1 和图1）。

（三）我国粗离婚率不断攀升，超过部分发达国家离婚率水平

从表1 和图1 可以看出，2010 年以来，我国粗离婚率不断攀升，粗离婚率从2010 年的2.0‰上升至2018 年的3.2‰，上升了1.2 个千分点，增幅达到60%，年均增长接近6.7%。从粗离婚率上升的趋势来看，2010 年到2013 年的粗离婚率增幅为30%，年均增幅接近8%，2017年以来，粗离婚率的增速有所放缓。当前我国的粗离婚率已经接近美国的离婚率水平（2014年美国的粗离婚率为3.2‰），超过欧洲的一些发达国家（如英国与法国），甚至超过近20 年来离婚率居榜首的日本和韩国（张春泥，2017）[13]。

表1 2010～2018 年中国粗离婚率、结婚对数、离婚对数、离结比变动情况

图1 2010～2018 年中国粗离婚率、结婚对数、离婚对数变动趋势图

（四）西藏粗离婚率最低，东北三省粗离婚率普遍较高

从表2、图2 可以看出，东北三省的粗离婚率普遍较高，2010 年黑龙江、吉林、辽宁的粗离婚率分别为3.6‰、3.43‰、2.94‰，到2018 年东北三省的粗离婚率分别为5.12‰、3.95‰、4.75‰，超过了全国的粗离婚率水平。在9 年时间里，东北三省的粗离婚率分别增长了42.33%、38.57%、34.40%。相比其他省份，东北地区的粗离婚率增速较快。吉林、黑龙江在全国粗离婚率的排名分别从2010 年的第四、第三上升到2018 年的第三、第一。

在中国31 个省份（港澳台除外）中，黑龙江2018 年的粗离婚率为5.12‰，位居全国第一位，而西藏2018 年的粗离婚率是1.37‰，为全国最低。2010 年到2018 年期间，河南省的粗离婚率增幅最大，高达139.44%；而新疆的粗离婚率增幅最小，从2010 年的4.51‰下降到了2.41‰，降幅为87.14%。

表2 2010～2018 年中国各省份（不包含港澳台）的粗离婚率（‰）

图2 2010～2018 年全国、西藏与东北三省的粗离婚率（‰）变化趋势图

三、离婚率影响因素的实证分析

（一）研究设计

1.基尼系数

根据Dagum（1997）提出的空间差异分解方法，本文运用基尼系数实证考察中国离婚率的空间差异及其来源。为充分考虑子样本的分布状况，总体基尼系数G 可以分解为区域内差异贡献Gw、区域间差异贡献Gnb和超变密度贡献Gt三者之和（即G=Gw+Gnb+Gt）。其中，k 表示地区个数，n 表示城市总数，nj和nh分别表示j 和h 区域内城市数量，yji和yhr分别表示j 和h 区域内任意城市的离婚率。一般来说，基尼系数的值域为[0，1]，其数值越小代表区域差异越小；反之则意味着区域差异越大。

2.地理探测器

地理探测器是分析空间异质性问题、探索驱动因素的相对重要程度和交互作用强度的重要工具，目前被广泛应用于区域经济、生态环境和人口问题等多个领域。其原理是利用各因素层内方差与全局方差的关系探测自变量对因变量的驱动力，即某因素X 在多大程度上影响了Y 的空间差异。本文利用地理探测器模型考察了各类经济社会因素对离婚率的影响程度。其中，q 表示驱动因素的决定力，q 值越大表示各因素对城市生态效率空间分异的解释力越强，反之则越弱；h 为自变量的分类个数（分层或分区）；N 和Nh分别为整体和各因素类型h 的样本数；σ2和分别代表整个区域和各类型h 的离散方差。

假设存在影响因子X1 和X2，“交互探测”就是通过比较单因子作用q(X1)、q(X2)与双因子交互作用q(X1∩X2)，判断双因子交互作用是否增强或减弱了对城市生态效率的解释力。交互作用类型主要包括以下五种：

（1）当q(X1∩X2) 〈 min{q(X1),q(X2)}时，二者表现为非线性减弱；

（2）当min{q(X1),q(X2)} 〈 q(X1∩X2) 〈 max{q(X1),q(X2)}时，则为单因子非线性减弱；

（3）当q(X1∩X2) 〉 max{q(X1),q(X2)}时，二者表现为双因子增强；

（4）当q(X1∩X2) 〉 q(X1)+q(X2) 时，二者表现为非线性增强；

（5）当q(X1∩X2)=q(X1)+q(X2) 时，表现为二者相互独立。

3.有序Probit 回归

本文采用有序Probit 回归，即概率单位回归，用来测算居民性别比、受教育水平、个人可支配收入、失业率、抚养比以及宽带接入数对离婚的影响程度，来反映自变量与因变量之间刺激强度与反应比例之间的关系。Probit 回归适用于对反应变量（因变量）为分类变量的资料进行统计分析，也存在反应变量为二分类、有序多分类、无序多分类三种情况。Probit 回归为拟合0～1 型因变量回归的方法，即把取值分布在实数范围内的变量通过累计概率函数转换成取值分布在（0，1）区间的概率值。

（二）回归结果及分析

本文采用有序Probit 模型进行回归分析。有序Probit 模型的设定如下：

其中，D 是粗离婚率；β 和r 是变量的系数;X 是居民特征变量，包括居民的性别比、受教育水平、个人可支配收入和抚养比；Z 为地区经济特征，包括分省地区生产总值、地区城镇登记失业率和宽带接入数；π 为省份固定效应；u 是随机扰动项。

表3 是采用有序probit 回归得到的各因素对离婚率的影响结果。在控制省份固定效应并加入居民个体特征变量后，性别、抚养比、受教育程度和年收入等居民个人因素可以改变离婚率。性别比的上升导致离婚率概率在1%水平上显著下降，系数为-6.7298；受教育水平越高导致离婚率概率在5%水平上显著上升，系数为5.8843；个人可支配收入的上升导致离婚率概率在10%水平上显著下降，系数为-0.001。除了个人因素，地区变量对离婚率也有很强的影响。控制省份固定效应并控制地区经济特征变量后，性别比和个人可支配收入对离婚率具有负向作用，系数分别为-2.1470 和-0.0001；受教育程度和抚养比对离婚率具有正向作用，系数分别为17.6399 和0.0064；地区生产总值、宽带接入数和城镇登记失业率对离婚率具有正向作用，地区生产总值的影响不显著，而后者分别在5%和1%的水平上显著。

表3 有序probit 回归

（三）中国离婚率空间分异程度及其来源

本文采用Dagum 基尼系数及其分解方法，对中国离婚率的总体基尼系数、区域内基尼系数和区域间基尼系数及贡献率进行测算，旨在揭示中国离婚率空间分异的程度及来源。图3.1 直观反映了2014～2018 年总体及区域内离婚率空间分异的演进趋势。根据图3.1,中国离婚率总体基尼系数的均值为0.3192，离婚率的空间非均衡性较为明显。从整个考察期来看，中国离婚率总体基尼系数从2014 年的0.3167 上升到2018 年的0.3170，说明中国离婚率空间分异总体呈上升态势。中国东部和西部的区域内基尼系数均呈增加趋势，说明中国东部和西部区域内部离婚率空间分异均有不同程度恶化。中部区域内基尼系数则呈下降态势，这意味着中部离婚率的非均衡性有所减弱。然而，通过比较东部、中部、西部区域内部空间分异程度，可以看出东部、中部、西部之间空间分异程度分级明显。东部离婚率的区域内空间分异程度始终最高，样本期间其基尼系数均值为0.3847，西部离婚率的区域内空间分异程度一直处于最低水平，中部离婚率的区域内空间分异程度处于中间水平。

图3.2 刻画了2014～2018 年中国离婚率区域间空间分异程度及演进趋势。根据图3.2，东部与中部、中部与西部间离婚率空间分异在波动中总体均呈现上升趋势，东部与西部则有所下降。从整个考察期的平均水平来看，东部与中部、东部与西部、中部与西部的区域间平均基尼系数分别为0.2535、0.1691 和0.1443，说明东部与西部的区域间空间分异程度最大，东部与中部的区域间空间分异程度最小。中国离婚率空间分异来源及贡献率的变动趋势如图3.3 所示。从贡献度大小来看，超变密度在考察期内贡献率均值高达39.32%，超变密度对总体空间分异的贡献率最大；区域内空间分异的平均贡献率为31.55%，略高于区域内空间分异贡献率的均值（29.13%）。超变密度是中国离婚率空间分异的主要来源，对中国离婚率总体空间分异贡献率最低的是区域内空间分异。

图3.1 中国离婚率总体及区域内基尼系数

图3.2 中国离婚率区域间基尼系数

图3.3 中国离婚率空间分异贡献率

（四）中国离婚率空间分异的驱动因素

中国离婚率空间分异受到国民经济中多重因素的综合影响，基于国内外相关研究，本文选取经济发展水平（GDP）、收入水平（INCOME）、教育水平（EDU）、就业状况（UR）、网络普及度（INTERNET）和抚养义务（DR）作为影响离婚的可能驱动因素。利用地理探测器对驱动因素的决定力及交互作用进行测算，评估中国离婚率空间分异的主导驱动因素并识别驱动因素之间交互作用的类型。其中，以人均国内生产总值的对数表示经济发展水平，以居民可支配收入表示收入水平，以普通高中毕业生数表示教育水平，以少年儿童抚养比和老年人口抚养比的综合数据作为抚养义务的代理变量，以城镇登记失业率作为就业状况的代理变量，以宽带接入数作为网络普及度的代理变量。本文数据均基于2014～2018 年中国31 省区统计资料展开，上述数据来源于《中国统计年鉴》。

利用分异及因子探测器计算得到各驱动因素的决定力q 值，评估不同驱动因素对中国离婚率空间分异的相对贡献。图4 报告了经济发展水平、收入水平、教育水平、就业状况、网络普及度和抚养义务对离婚率空间分异的决定力q 值，分别为0.0105、0.0228、0.0444、0.0157、0.0310 和0.0272。教育水平的影响程度均显著高于其他因子，是离婚率空间非均衡的内在主导因素。网络普及度和抚养义务的q 值分别占20.5%和17.9%，为影响离婚率空间非均衡的次要内在因素。收入水平对中国离婚率空间分异的贡献率将近15%，是离婚率空间分异较为重要的决定因素。此外，经济发展水平对中国离婚率空间分异也起到了一定的作用。

图4 中国空间分异驱动因素探测结果

本文借助交互作用探测器对内源性驱动因素的叠加效应进行定量分析，考察双因子交互作用对单因子解释力的影响并识别交互作用类型。探测结果如图5 所示，任何两个驱动因素的交互作用都会增强单因素对离婚率空间非均衡的解释力，即离婚率空间非均衡是由多个内在因素发挥合力共同作用的结果。收入水平与其他因素交互作用的q 值最高，贡献率接近30%。同时，网络普及度与其他因素交互作用的q 值均在0.14 以上，进一步说明收入水平差异和网络普及度差异是中国离婚率空间非均衡的关键驱动因素。其中，网络普及度与收入水平交互作用强度高于其他交互组合，其q 值高达0.247，是中国离婚率空间非均衡的核心影响因素。

图5 中国离婚率空间分异驱动因素交互作用探测结果

表4 报告了驱动因素的交互作用类型，可以发现任意两个驱动因素交互作用对中国离婚率的影响均大于单独作用的影响，说明离婚率空间分异是多种驱动因素共同作用形成“合力”的结果。其中，经济发展水平（GDP）∩收入水平（INCOME）、经济发展水平（GDP）∩就业状况（UR）为双因子加强效应。除此以外，其他驱动因素交互作用类型均为非线性加强，说明多数驱动因素的协同作用大大增强了对中国离婚率非均衡性的解释程度。

表4 中国离婚率空间分异驱动因素的交互作用类型

根据地理探测器测度结果，文章选取了影响离婚能力较强的变量INCOME、EDU、INTERNET、DR，考虑到省份间基于地理距离带来的相互影响，有必要对空间相关性进行检验。表5 是2014～2018 年离婚率莫兰指数。

表5 2014～2018 年离婚率莫兰指数

可以看出，一个省份离婚率与其周边省份离婚率有着明显的正相关关系，存在“高高聚集”与“低低聚集”的特征，因此为保证回归结果的有效性，应考虑到空间矩阵对离婚率的影响，选择空间计量模型对影响离婚的因素进行估计，表6 汇报了相关结果。

可以看到，lnincome 项在SEM 模型与SAR 模型中均显著为正且通过1%水平显著检验，说明家庭收入的提高会促进离婚现象发生；lnedu 项在SEM 模型与SAR 模型中均显著为负且通过5%水平显著检验，说明教育水平会抑制离婚的发生，学历越高的人似乎更不倾向离婚；而lninternet 项在SEM 模型与SAR 模型中均显著为正且通过5%水平显著检验，说明网络的普及会使人更加倾向于离婚；lndr 项在两个模型中并不显著，说明抚养问题似乎不是离婚的主要原因。另外，空间矩阵项ρ 和λ 均为正数且通过1%显著性检验，说明当从总体视角考察离婚情况时，可以发现省份间具有正向的空间溢出效应，高离婚率的城市可以带动周边城市离婚率增长。

表6 空间矩阵分析结果

四、结论与建议

（一）结论

本文对2014～2018 年中国离婚率进行了客观描述，在运用有序Probit 回归的基础上，结合Dagum 基尼系数及分解法，全面考察了中国离婚率的时空演进特征，并运用地理探测器从内源和外源两个层面分析了影响因素。研究结论如下：1.我国居民的性别比对离婚率的影响最为显著，受教育水平对离婚率的影响次之，个人可支配收入对离婚率的影响相对较小。其中，性别比和个人可支配收入对离婚率具有负向作用，而受教育程度和抚养比对离婚率具有正向效应。此外，地区生产总值、宽带接入数和城镇登记失业率对离婚率也具有正向效应。2.中国离婚率的空间非均衡性较为明显，东部、中部和西部三大地区内城市离婚率相对差异均有所降低但存在明显的梯度效应，东部地区内城市离婚率相对差异显著高于中部、西部。超变密度是中国离婚率空间非均衡的主要来源。3.从驱动因素看，教育水平是离婚率空间非均衡的内在主导因素，网络普及度和抚养义务为影响离婚率空间非均衡的次要内在因素。任意两个驱动因素交互作用对中国离婚率的影响均大于单独作用的影响，说明离婚率空间分异是多种驱动因素共同作用形成“合力”的结果。

（二）建议

1.注重社会健康婚姻家庭观念的培育与宣传

近年来，我国经济社会发展取得重大进步，随着经济的发展，人们的思想逐渐开放，在一定程度上对人们的婚姻家庭观念具有消极影响。因此，在大力发展经济的同时，要倡导健康的婚姻家庭观念，提高大众的受教育水平，注重婚姻家庭观念以及幸福观的教化。通过完善相关的法律法规，加强健康婚姻家庭观念的宣传与引导，同时充分发挥基层社区的作用，对社区内的居民进行健康婚姻家庭观的教育与宣传，积极帮助社区内居民解决家庭纠纷，化解家庭矛盾，增强婚姻家庭的稳定性。

2.加大社会保障力度，为婚姻的稳定性提供支撑

通过上述分析可以看出，失业率对离婚率具有显著的正向影响。为维护婚姻的稳定性，要加大青年夫妻的就业保障力度，加强市场监管，增强宏观调控，降低人们的就业压力以及工作压力，增强家庭经济来源的稳定性。强化劳动保障，严格控制人们的劳动时间，增加家庭成员之间的相处时间，为家庭婚姻的稳定性提供支撑。此外，通过完善老年人长期照护体系，避免出现青年夫妻为照顾老年人而失业的现象，在降低失业率的基础上，促进家庭收入的增加，为维护家庭婚姻的稳定性提供有力的经济支撑。

3.健全与婚姻相关的法律法规体系，为婚姻的稳定性提供法律支撑

不断提高婚姻登记制度的规范性，尽最大程度促使双方在相互了解的基础上进行结婚登记，严格审核婚姻登记时双方信息的真实性，从源头上巩固婚姻的稳定性。建立登记离婚“过渡期”制度，合理增设离婚登记条件，使当事人双方在登记离婚时先利用1～3 个月的“过渡期”冷静考虑婚姻中存在的问题，增设结婚期不满一年或者更长时间不能登记离婚的条文。从法律上健全登记离婚机制，维护婚姻的稳定性，避免草率结婚轻率离婚现象，为健康稳定的婚姻提供法律支撑。

注释

①数据来源于中华人民共和国民政部公布的《2010 年社会服务发展统计公报》和《2018 年社会服务发展统计公报》。

②“粗离婚率”采用的是国家统计局2005 年以后使用的新计算方式。